[发明专利]点云补全方法、装置、电子设备及存储介质

说明书

本公开关于一种点云补全方法、装置、电子设备及存储介质，该方法包括获取待补全点云信息和预设路径偏移信息；将待补全点云信息和预设路径偏移信息输入点云补全网络进行补全处理，得到目标点云信息，点云补全网络包括至少两个按序连接的点云路径偏移网络；第一个点云路径偏移网络的输入为待补全点云信息和预设路径偏移信息；第一个点云路径偏移网络的输出包括第一偏移后点云信息和第一路径偏移信息；非第一个点云路径偏移网络的输入为上一个点云路径偏移网络的输出，目标点云信息为最后一个点云路径偏移网络输出的偏移后点云信息。利用本公开实施例可以提升对点云形状的表征精准性和点云补全质量。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种点云补全方法、装置、电子设备及存储介质。

背景技术

近年来，受益于三维扫描设备的发展和普及，作为这些设备的原始输出格式，三维点云因其广泛的可获取性受到了越来越多研究的关注。然而，在点云的采集和扫描过程中，受限于扫描视角或物体遮挡，这些三维扫描设备输出的原始点云通常存在稀疏、嘈杂等问题，并且大多具有较为明显的形状缺失，进而很难直接用于后续的形状分析/视觉渲染等处理流程。因此，对这些采集到的原始三维点云进行补全等预处理已成为当前计算机图形学和计算机视觉应用的一项重要的基本要求。

相关技术中，在进行点云补全处理过程中，常常会引入对抗生成网络来提升补全的点云的真实感，即基于强化学习的判别网络来判断生成网络生成的补全好的点云的真假，并指导生成网络学习出更加真实的点云。但上述生成式点云补全方法受限于点云数据本身的排列无序等特性，与深度神经网络的输入数据本身的有序性(图像的每个像素点是按序排列的)不兼容问题，使得生成式点云补全方法在预测过程中，无法捕捉点云的几何信息或者拓扑结构，导致相关技术中在补全点云时，对点云形状的表征能力受限，点云表征精准性和点云补全质量较差。

发明内容

本公开提供一种点云补全方法、装置、电子设备及存储介质，以至少解决相关技术中在补全点云时，对点云形状的表征能力受限，点云表征精准性和点云补全质量较差的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种点云补全方法，包括：

获取待补全点云信息和预设路径偏移信息；

将所述待补全点云信息和所述预设路径偏移信息输入点云补全网络进行补全处理，得到目标点云信息，所述点云补全网络包括至少两个按序连接的点云路径偏移网络；

所述至少两个按序连接的点云路径偏移网络中第一个点云路径偏移网络的输入为所述待补全点云信息和所述预设路径偏移信息；所述第一个点云路径偏移网络的输出包括第一偏移后点云信息和第一路径偏移信息，所述第一偏移后点云信息为所述第一个点云路径偏移网络输出的偏移后点云信息，所述第一路径偏移信息为所述待补全点云信息在所述第一个点云路径偏移网络中偏移的路径信息；所述至少两个按序连接的点云路径偏移网络中非第一个点云路径偏移网络的输入为对应的上一个点云路径偏移网络的输出，所述目标点云信息为所述至少两个按序连接的点云路径偏移网络中最后一个点云路径偏移网络输出的偏移后点云信息。

可选的，所述将所述待补全点云信息和所述预设路径偏移信息输入点云补全网络进行补全处理，得到目标点云信息包括：

遍历所述至少两个按序连接的点云路径偏移网络；

若当前遍历到的点云路径偏移网络为所述第一个点云路径偏移网络，将所述待补全点云信息和所述预设路径偏移信息输入所述当前遍历到的点云路径偏移网络进行路径偏移处理，得到所述第一偏移后点云信息和所述第一路径偏移信息；